Получите бесплатную консультацию менеджера
Barça Innovation Hub и компания Pixellot объединили усилия для создания новейшей автоматизированной системы видеосъемки без участия оператора
Barça Innovation Hub (BIHUB) и компания Pixellot объединили усилия для создания новейшей автоматизированной системы видеосъемки без участия оператора. Технологии, разработанные компанией, позволят спортивным менеджерам Сиутат Эспортива значительно улучшить технический и тактический анализ игры.

Технология, предложенная компанией, позволяет вести автоматическую съемку и трансляцию спортивных игр без присутствия операторов на поле. Причем, гораздо более эффективную, как для болельщиков, так и для тренерского состава. С помощью искусственного интеллекта, устройство сможет имитировать видеооператора, снимающего панорамное изображение поля в высоком разрешении.
Как это работает?
Как это работает?
Для панорамной съемки используется широкоугольная камера или несколько широкоугольных камер. Затем изображения объединяются в одно. Технология использует передовые алгоритмы автоматического слежения, чтобы фиксировать ход игры при панорамном захвате в высоком разрешении. При этом, чтобы обеспечить захват картинки, подобный человеческому глазу, искусственный интеллект (ИИ) должен принимать решения с минимальной задержкой.

По сути, технология подобна оператору, который смотрит в будущее, а затем принимает решение, что следует снимать.

Человек или робот?

Человек или робот?

Чтобы обеспечить правильное восприятие изображения, технология должна имитировать плавные движения, подобные съемке оператора. В идеале, движения камеры должны напоминать перемещение штатива с панорамной стабилизирующей головкой.

Принимая во внимание тот факт, что на одну и ту же игру болельщики и тренерский штаб смотрят по-разному, автоматическая съемка с применением ИИ представляется еще более успешным решением.

Так, у тренерского состава основной фокус направлен на тактические аспекты игры. Аналитик смотрит на распределение команды по полю. Для него важно видеть всех, за исключением вратарей. Для болельщиков же, следящих за игрой по телевизору, этот ракурс будет слишком удаленным, и не позволит насладиться подробностями.

Все дело в алгоритмах

Все дело в алгоритмах

Большинство технологий автоматической съемки основаны на схожих принципах. Но, поскольку у каждого вида спорта своя, отличная от других, игровая логика, для каждой игры требуются уникальные алгоритмы.

  • Автоматическое распознавание мяча - в видах спорта с мячом (например, футбол, баскетбол и т. д.). Обычно мяч находится в центре событий. Чтобы следить за игрой, алгоритм пытается обнаружить мяч и следовать за ним.

  • Распознавание игрока(ов) - в более продвинутых технологиях автоматическое распознавание мяча дополняется распознаванием игроков. Это позволяет лучше понять логику игры и служит основой для прогнозирования дальнейших событий. Оба алгоритма основаны на способности ИИ анализировать изображения и отделять фон от интересующих объектов (т.е. мяча и игроков).

Почему он просто стоит там?

Почему он просто стоит там?

Одна из проблем, с которыми сталкивается система при распознавании игрока – ситуации, когда в течение некоторого времени, спортсмен стоит на месте. Например, в футболе, во время штрафного удара, некоторые игроки могут не двигаться в течение примерно 30 секунд. Когда это происходит, алгоритм должен гарантировать, что игрок не сольется с фоном.

Кроме того, алгоритм должен уметь отличать неактивных игроков (например, ожидающих в стороне) от активных, даже когда последние находятся далеко от мяча. Алгоритм также должен иметь возможность идентифицировать судью, который не принимает непосредственного участия в игре.

Состояние игры

Состояние игры

Используя технологию распознавания мяча и игрока, алгоритм должен уметь определять состояние игры. Состояние игры – это то, что происходит в настоящий момент времени. Например, в футболе – пробивают угловой или пенальти. В баскетболе – штрафной бросок или контратака и т. д. Каждое игровое действие имеет отличительные визуальные характеристики, и, понимая, что происходит на поле, алгоритм может прогнозировать определенное поведение и принимать более эффективные решения относительно съемки.

Каждый вид спорта имеет свой длинный перечень игровых состояний, и это может осложнять быстрое внедрение автоматизированной системы.

Глубокое обучение

Глубокое обучение

Для решения данной проблемы, при обучении ИИ применяют метод глубокого обучения. Метод основан на умении нейросети учится определять состояние игры, основываясь на примерах. Так, увидев несколько вариаций угловых, ИИ запомнит принцип и в дальнейшем сможет автоматически идентифицировать его по ряду признаков.

В случае с глубоким обучение техническому специалисту не нужно придумывать объяснения, что такое угловой удар. Система автоматически сгенерирует собственные правила и выберет характеристики, необходимые для идентификации состояния игры. Затем, учитывая все заданные параметры, система сможет принять решение, как наиболее удачно запечатлеть каждый кадр.

Смотреть вперед и оставаться впереди

Смотреть вперед и оставаться впереди

Выдающиеся достижения современной науки в области компьютерных технологий позволяют использовать обширные возможности искусственного интеллекта на практике. Впервые в истории совокупность компьютерного зрения, искусственного интеллекта и глубокого обучения способна обеспечить эффект, сравнимый с работой профессионального оператора. А в некоторых отношениях, даже превзойти его. Со временем, алгоритмы будут усовершенствованы и смогут охватывать больше типов спортивных мероприятий, а также фиксировать различные сценарии во время тренировок.

Технология протестирована и уже доказала свою эффективность на поле. В коллаборации с профессиональными тренерами и аналитиками ФК Барселона, при поддержке BIHUB, команда разработчиков Pixellot в скором времени сможет внедрить новые уровни автоматизации процессов, оптимизировать текущую работу, а также удовлетворить передовые требования клуба.
.
Узнать подробнее о Pixellot
Подберем курс и ответим на любой вопрос
Также вам может быть интересно: